BP神经网络matlab源程序代码讲解

newff 创建前向BP网络格式：

net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)

其中：PR —— R维输入元素的R×2阶最大最小值矩阵； Si —— 第i层神经元的个数，共N1层； TFi——第i层的转移函数，默认‘tansig’； BTF—— BP网络的训练函数，默认‘trainlm’ BLF—— BP权值/偏差学习函数，默认’learngdm’ PF ——性能函数，默认‘mse’；（误差）

e.g.

P = [0 1 2 3 4 5 6 7 8 9 10]T = [0 1 2 3 4 3 2 1 2 3 4]

net = newff([0 10],[5 1],{'tansig' 'purelin'})net.trainparam.show=50 %每次循环50次net.trainParam.epochs = 500 %最大循环500次

net.trainparam.goal=0.01 %期望目标误差最小值

net = train(net,P,T) %对网络进行反复训练

Y = sim(net,P)Figure % 打开另外一个图形窗口

plot(P,T,P,Y,'o')

从原理上来说，神经网络是可以预测未来的点的。

实际上，经过训练之后，神经网络就拟合了输入和输出数据之间的函数关系。只要训练的足够好，那么这个拟合的关系就会足够准确，从而能够预测在其他的输入情况下，会有什么样的输出。

如果要预测t=[6

7]两点的R值，先以t=[1

2

3

4

5]作为输入，R=[12

13

14

14

15]作为输出，训练网络。训练完成之后，用t=[2

3

4

5

6]作为输入，这样会得到一个输出。不出意外的话，输出的数组应该是[13

14

14

15

X],这里的X就是预测t=6时的R值。然后以t=[3

4

5

6

7]作为输入，同理得到t=7时候的R值。

根据我的神经网络预测，t=6时，R=15，t=7时，R=15。我不知道这个结果是否正确，因为神经网络通常需要大量的数据来训练，而这里给的数据似乎太少，可能不足以拟合出正确的函数。

---